¶ Forschungsdatenmanagement (FDM)
Forschungsdatenmanagement (FDM) bezeichnet alle Maßnahmen, die den Umgang mit Forschungsdaten entlang ihres Lebenszyklus systematisch planen, organisieren, dokumentieren, sichern und bereitstellen. Ziel ist die Nachvollziehbarkeit, Nachnutzbarkeit und Qualität wissenschaftlicher Arbeit. [1]
In der landwirtschaftlichen Forschung entstehen zunehmend große, heterogene Datenmengen – etwa aus Feldversuchen, Sensordaten, Satellitendaten, Betriebswirtschaft oder genetischen Analysen. Ein durchdachtes FDM gewährleistet hier, dass diese Daten langfristig auffindbar, zugänglich, interoperabel und wieder verwendbar (FAIR-Prinzipien) sind.
So entstehen Naturraumübergreifende Daten die für andere Wissenschaftler nutzbar sind und auch für neue Ansätze (Maschinelles Lernen, KI-Algorithmen und auch zur Validierung von neuen Modellansätzen) genutzt werden können.
¶ Beschreibung:
Ein gutes FDM erhöht die Effizienz von Forschungsprojekten, fördert die Zusammenarbeit und ist häufig Voraussetzung für die Förderung durch wissenschaftliche Institutionen und Drittmittelgeber. Die zentralen Aspekte umfassen [2]:
- Datenmanagementpläne (DMP): Strukturierte Planung zu Datenformaten, Speicherung, Veröffentlichung und Archivierung.
- Standardisierung: Nutzung kontrollierter Vokabulare, Metadatenstandards (z. B. AGROVOC) und Austauschformate.
- Rechtliche Aspekte: Beachtung von Datenschutz (z. B. bei Betriebsdaten), Urheberrecht und Lizenzen.
- Langzeitverfügbarkeit: Nutzung von Repositorien oder Forschungsdateninfrastrukturen wie z. B. NFDI4Agri.
- Nachnutzung: Ermöglicht durch offene Datenlizenzen und gute Dokumentation (z. B. mit Data Dictionaries).
Ein zentrales Ziel des Forschungsdatenmanagements ist es, Daten so zu gestalten, dass sie nicht nur archiviert, sondern auch langfristig sinnvoll genutzt werden können. Die FAIR-Prinzipien – Findable, Accessible, Interoperable und Reusable – bieten dafür einen international anerkannten Orientierungsrahmen [3].
- Findable: Daten sind auffindbar durch Metadaten und persistenten Identifikatoren.
- Accessible: Daten sind über standardisierte Schnittstellen zugänglich.
- Interoperable: Nutzung gemeinsamer Standards ermöglicht Verknüpfbarkeit.
- Reusable: Daten sind mit klaren Nutzungsbedingungen und Kontextinformationen versehen.
Ein effektives Forschungsdatenmanagement gelingt nur, wenn es im wissenschaftlichen Alltag verankert ist. Dazu gehören vorausschauende Planung, klare Zuständigkeiten und unterstützende Werkzeuge. Gerade in der Agrarforschung ist es entscheidend, komplexe und heterogene Daten systematisch zu erfassen und zugänglich zu machen – etwa durch strukturierte Datenmanagementpläne, Versionskontrolle und standardisierte Workflows
[4].
¶ Nutzung bestehender Infrastrukturen
Forschende müssen FDM nicht neu erfinden – zahlreiche nationale und institutionelle Infrastrukturen bieten bereits Unterstützung. Plattformen wie RIsources der DFG helfen bei der Suche nach geeigneten technischen und organisatorischen Ressourcen zur Speicherung und Nachnutzung von Daten. Das ist besonders relevant, wenn projektübergreifend gearbeitet oder Drittmittelförderung beantragt wird [5].
¶ Wahl geeigneter Repositorien
Für die langfristige Sicherung und Veröffentlichung von Forschungsdaten ist die Auswahl eines passenden Repositoriums essenziell. Dabei helfen internationale Verzeichnisse wie re3data [6], die Informationen über Fachgebiet, Datenformate, Lizenzierung und Zugriffsrechte bieten. Besonders in der Agrarforschung ist es wichtig, Repositorien zu wählen, die auch mit großen und komplexen Datenformaten umgehen können.
¶ Regionale Dateninfrastrukturen und Netzwerke
Regionale Initiativen wie HeFDI unterstützen Hochschulen bei der Integration von FDM in Forschungsprozesse. Sie bieten Beratung, Schulungen und technische Lösungen – und fördern so eine nachhaltige Verankerung von FDM-Strukturen. In der Agrarforschung können solche Infrastrukturen als Bindeglied zwischen Forschungseinrichtungen, Behörden und Praxis dienen.
[7].
¶ Bedeutung standardisierter Metadaten
Damit Forschungsdaten auffindbar und interoperabel sind, ist die Verwendung standardisierter Metadaten unverzichtbar. In der Agrarforschung bietet sich dafür z. B. das Agricultural Metadata Element Set (AgMES) an, das speziell auf agrarische Informationsobjekte zugeschnitten ist. Solche Standards ermöglichen den Austausch zwischen Datenbanken, Disziplinen und Institutionen.
[8]
¶ Anwendungsbereich
Hier folgen passende Praxisbeispiele von FARMPRAXIS.
¶ Quellen
- Forschungsdaten.org – Einführung ins FDM
- DFG Leitfaden FDM
- FAIR Principles – GO FAIR
- Praxishandbuch Forschungsdatenmanagement
- Portal für Forschungsinfrastrukturen: RIsources
- Registry of research data repositories: re3data
- HeFDI - Hessische Forschungsdateninfrastrukturen
- Agricultural Metadata Element Set (AgMES)
¶ Weiterführende Quellen:
¶ Autor
Svea Lynn Schaffner, Projektmanagement FARMWISSEN, FH Kiel